Python Django 跨境电商产品推荐与展示系统

数据分析

• 可视化：ECharts + PyECharts
• 数据处理：Pandas
• 中文分词：jieba
• 词云生成：PyECharts WordCloud

推荐算法

• 协同过滤：UserCF + ItemCF
• 相似度计算：皮尔逊相关系数（Pearson Correlation）
• 行为挖掘：用户评分、收藏、标签偏好分析

项目结构

DjangoCart/
├── code/
│   ├── manage.py
│   ├── db.sqlite3
│   ├── productrecomend/ # 项目配置
│   │   ├── settings.py
│   │   ├── urls.py
│   │   └── wsgi.py
│   ├── product/ # 核心应用
│   │   ├── models.py
│   │   ├── views.py
│   │   ├── admin.py
│   │   ├── forms.py
│   │   └── word_cloud.py
│   ├── product_it/ # 推荐算法模块
│   │   ├── recommend_movies.py
│   │   └── cache_keys.py
│   ├── templates/ # HTML 模板
│   │   ├── base.html
│   │   ├── dashboard.html
│   │   ├── product.html
│   │   └── ...
│   ├── static/ # 静态资源
│   │   ├── css/
│   │   ├── js/
│   │   └── images/
│   ├── media/ # 用户上传媒体（如商品图）
│   └── csv_data/ # 初始数据文件（可用于导入）

数据模型（核心）

关系设计

• 用户 ↔ 商品：多对多（收藏）
• 用户 → 评分：一对多
• 用户 → 评论：一对多
• 商品 ↔ 标签：多对多
• 评论 ↔ 用户（点赞）：多对多

推荐算法详解

1. 基于用户的协同过滤（UserCF）

• 相似度计算：皮尔逊相关系数
• 邻居选择：选取最相似的 K 个用户
• 评分预测：加权平均相似用户的历史评分
• 推荐生成：推荐预测评分最高的 N 个商品

2. 基于物品的协同过滤（ItemCF）

• 标签相似度：通过商品共现标签计算相似性
• 同类推荐：在商品详情页推荐相似标签商品
• 热度加权：结合收藏数、评分数量提升热门商品曝光

3. 冷启动策略

• 新用户：默认推荐热门商品
• 标签引导：根据用户初始选择的偏好标签推荐
• 随机兜底：无行为数据时启用多样性随机推荐